Detecção de artefatos estranhos em radiografias de tórax / Foreign artifacts detection in chest radiographs

RESUMO

A radiografia de tórax é um dos exames preconizados para detecção de pneumonia na infância pela Organização Mundial de Saúde. Durante a execução do exame é comum encontrar artefatos nessas imagens radiográficas comorótulos de identificação, marcas de dedos, botões de camisa, dentre outros, principalmente quando digitalizadas por meio de câmeras fotográficas. Esses artefatos além de tirarem o anonimato da radiografia, afetam significativamente sua análise por sistemas informatizados de detecção e suporte a identificação de doenças. Este trabalho apresenta um método eficiente para identificação dos artefatos, composto de 3 etapas principais filtragem de pixels baseada em histograma,detecção de bordas com algoritmo de Roberts e filtragem espacial por filtro de desvio padrão. Este método foi experimentado em uma base de 200 imagens e inspecionado visualmente para identificação de erros. Resultados experimentais como, eficiência (tempo processamento/radiografia) ≈ 7ms e precisão de 0,98 demonstram que o método é bastante promissor.

ABSTRACT

Chest radiography is one of recommended imaging test by World Health Organization for childhood pneumonia diagnosis. However, during patient examination is very usual finding artifacts in these images, such as identification labels, fingerprints, shirt buttons, and so forth. Moreover, when these images are digitally scanned, other problems raise suchas noise, brightness control and so on. Artifacts can reveal private data and expose patient identification. Furthermore, these artifacts can significantly damage automatic analysis by computer diagnosis aided systems. This works presents anefficient method for artifact identification composed by 3 main stages histogram based pixel filtering, edge detection withRoberts algorithm and standard deviation spacial filtering. This method has been experimented upon 200 images databaseand presented about 7ms of time processing per image. Visually inspection was used to error measuring and we achieve 0,98 of precision. As a result of this, the method demonstrate a very promising preprocessing tool.